research-question-builder

研究问题构建器

概述

此技能指导研究 Agent 根据此前识别的研究空白，制定精准、可衡量且方向明确的研究问题（Research Questions/RQ）。其目标是确保研究具有清晰的操作边界、明确的目标，以及可衡量的科学贡献。

依赖项

• discover-phenomenon-and-gap

快速入门

使用示例： “使用 research-question-builder 技能，根据 LLM 模型鲁棒性评估中的方法学空白，制定研究问题和科学贡献。”

工作流

1. 解构与分析研究空白

• 评估在搜索阶段确定的目标研究空白。
• 确保该研究空白不只是“研究较少”，而是有学术依据（例如方法局限、研究结果不一致或数据偏差）。

2. 制定研究问题（RQ）

• 制定 2 至 4 个具体的研究问题（RQ）。
• 确保问题使用能够推动批判性分析的疑问词（例如“如何……”“在多大程度上……”“为什么……”），而不是封闭式的“是／否”问题。

3. 确定研究目标（Research Objectives）

• 确保每个 RQ 都对应具体的研究目标（Objectives）。
• 使用可衡量的操作性动词（例如“分析……”“开发……”“评估……”“验证……”）。

4. 梳理研究贡献

将本研究的潜在贡献分为三个维度：

• 理论贡献：研究如何扩展、完善或挑战已有的概念理论。
• 方法学贡献：提出的新工具、指标、实验流程或算法改进。
• 实践贡献：对行业、政策或实际问题解决方案产生的直接影响或启示。

5. 研究范围限制（Scope Limitation）

• 确定本研究不涉及的内容（例如特定的数据集类型、硬件平台限制或参数范围），以保持研究重点。

6. 研究问题构建报告格式

构建结果必须采用以下结构化表格格式：

研究空白	研究问题（RQ）	目标（目的）	主要贡献（理论／方法学／实践）	范围限制（研究范围）

常见错误与关键规则

• RQ 过于描述性或简单：提出只需通过简单的 Google 搜索就能回答的 RQ（例如“算法 X 是什么？”）。RQ 必须要求进行实证检验或深入分析。
• 目标与 RQ 不一致：研究目标的数量或实质与所提出的研究问题不匹配。
• 贡献夸大（Overclaiming）：在缺乏现实可行的证明依据时，声称取得了革命性贡献。
• 缺少范围限制：研究范围过于宽泛，难以在研究时间框架内完成。